Aqui vai uma questão: imagine que, por 75.000€ (aproximadamente 15.000 USD), pudesse adquirir um robô para ajudar nas tarefas rotineiras da sua casa. A condição, além do preço, é que, para 80% dessas tarefas, o treino em IA do robô não seria suficiente para que este atuasse sozinho. Em vez disso, seria auxiliado por um assistente remoto nas Filipinas, que o ajudaria a navegar pela sua casa, limpar a mesa ou arrumar as compras. Compraria um?
Esta é a questão central da minha reportagem para a revista, sobre se confiaríamos o suficiente em robôs humanoides para os receber nos nossos espaços mais privados. E, mais importante, como isto se relaciona com uma estrutura laboral assimétrica, na qual trabalhadores de países de baixo rendimento realizam tarefas físicas nas nossas casas por meio de interfaces robóticas. Na matéria, escrevi sobre a empresa de robótica Prosper e o seu grande esforço — que inclui designers da Pixar e mordomos profissionais — para projetar um robô doméstico fiável chamado Alfie. É uma jornada e tanto. Leia a reportagem completa aqui.
A matéria também levanta uma questão maior: quão profunda poderá ser a mudança nas dinâmicas de trabalho trazida pela robótica nos próximos anos.
Durante décadas, robôs tiveram sucesso em linhas de montagem e noutros ambientes relativamente previsíveis. Nos últimos anos, no entanto, a IA permitiu que aprendessem novas tarefas rapidamente, ampliando as suas aplicações para cenários mais complexos, como a separação de encomendas em armazéns. Agora, um número crescente de empresas bem financiadas está a apostar numa mudança ainda mais revolucionária.
Empresas como a Prosper acreditam que não precisam de construir um robô perfeito, capaz de fazer tudo sozinho. Em vez disso, podem criar um robô “suficientemente bom”, mas que receba ajuda de operadores remotos, localizados em qualquer parte do mundo. Se esta abordagem funcionar, espera-se que os robôs possam assumir trabalhos que antes seriam impensáveis para automação, como o de camareiras em hotéis, cuidadores hospitalares ou ajudantes domésticos. “Quase qualquer trabalho físico em ambientes interiores” está no radar, afirmou Shariq Hashme, fundador e CEO da Prosper.
Até agora, automação e terceirização eram vistas como forças separadas no mercado de trabalho. Os empregos podiam ser terceirizados para o exterior ou perdidos para a automação, mas não ambos. Um trabalho que não podia ser enviado para outro país e ainda não podia ser totalmente automatizado, como limpar um quarto de hotel, permanecia seguro. Porém, os avanços na robótica prometem mudar isso, permitindo que empregadores terceirizem tais funções para países de baixo rendimento, sem a necessidade de automação completa.
É claro que os desafios são imensos. Apesar dos avanços, robôs ainda encontram dificuldades para se locomover em ambientes complexos como hotéis e hospitais, mesmo com assistência. Isso levará anos a melhorar. No entanto, a evolução na mobilidade dos robôs e nos sistemas que os conectam a operadores remotos deve tornar estas apostas viáveis no futuro.
Caso se tornem realidade, estas mudanças teriam implicações profundas. Primeiro, o movimento laboral enfrentaria novas batalhas com a IA. Não seriam apenas estivadores, motoristas de entregas e artistas a tentar proteger os seus empregos, mas também trabalhadores da hotelaria, ajudantes domésticos e muitos outros.
Em segundo lugar, as nossas expectativas sobre privacidade mudariam radicalmente. Consumidores destes robôs domésticos teriam de aceitar que desconhecidos, do outro lado do mundo, teriam acesso aos seus espaços mais íntimos.
Algumas destas mudanças podem ocorrer mais rapidamente do que imaginamos. Para que os robôs aprendam a navegar por ambientes com eficiência, precisam de dados de treino, e 2024 já tem visto uma corrida para recolher conjuntos de dados mais abrangentes. Empresas à procura de treino para robôs teleoperados devem expandir a sua recolha para hospitais, ambientes de trabalho, hotéis e outros locais.
Uma análise da Data Provenance Initiative, um grupo de mais de 50 investigadores, revelou a origem de 4.000 conjuntos de dados públicos que alimentam os modelos de IA mais avançados. O estudo mostrou que mais de 90% destes dados vêm da Europa e América do Norte, enquanto mais de 70% dos conjuntos de dados de fala e imagem são oriundos do YouTube. Esta concentração geográfica e de plataformas pode limitar a diversidade de perspetivas incorporadas nos modelos de IA, um risco que merece atenção.
James O Donnell